蛋白质设计质量控制Skill protein-qc

---

name: protein-qc description: > 蛋白质设计的质量控制指标与筛选阈值。 在以下情况使用此技能：(1) 评估设计的结合、表达或结构质量， (2) 设置 pLDDT、ipTM、PAE 的筛选阈值， (3) 检查序列风险（半胱氨酸、脱酰胺、多碱性簇）， (4) 创建多阶段筛选流程， (5) 计算 PyRosetta 界面指标（dG、SC、dSASA）， (6) 检查生物物理特性（不稳定指数、GRAVY、pI）， (7) 使用综合评分对设计进行排序。

此技能提供来自结合剂设计竞赛和已发表基准测试的研究支持阈值。 license: MIT category: evaluation tags: [qc, filtering, metrics, thresholds]

蛋白质设计质量控制

关键局限性

单个指标对结合能力的预测能力较弱。研究表明：

• 单个指标的 ROC AUC：0.64-0.66（略优于随机）
• 指标是预筛选过滤器，而非亲和力预测器
• 综合评分对于有意义的排序至关重要

这些阈值用于过滤掉不良设计，但不能预测结合亲和力。

质量控制组织

质量控制按目的和级别组织：

目的	评估内容	关键指标
结合	界面质量、结合几何	ipTM、PAE、SC、dG、dSASA
表达	可制造性、可溶性	不稳定指数、GRAVY、pI、半胱氨酸
结构	折叠置信度、一致性	pLDDT、pTM、scRMSD

每个类别有两个级别：

• 指标级别：计算值及阈值（如 pLDDT > 0.85）
• 设计级别：模式/基序检测（奇数半胱氨酸、NG位点）

---

快速参考：所有阈值

类别	指标	标准阈值	严格阈值	来源
结构	pLDDT	> 0.85	> 0.90	AF2/Chai/Boltz
	pTM	> 0.70	> 0.80	AF2/Chai/Boltz
	scRMSD	< 2.0 Å	< 1.5 Å	设计与预测对比
结合	ipTM	> 0.50	> 0.60	AF2/Chai/Boltz
	PAE_interaction	< 12 Å	< 10 Å	AF2/Chai/Boltz
	形状互补性 (SC)	> 0.50	> 0.60	PyRosetta
	interface_dG	< -10	< -15	PyRosetta
表达	不稳定指数	< 40	< 30	BioPython
	GRAVY	< 0.4	< 0.2	BioPython
	ESM2 PLL	> 0.0	> 0.2	ESM2

设计级别检查（表达）

模式	风险	措施
奇数半胱氨酸数量	未配对二硫键	重新设计
NG/NS/NT 基序	脱酰胺	标记/避免
K/R 连续 >= 3个	蛋白水解	标记
疏水残基连续 >= 6个	聚集	重新设计

参见：references/binding-qc.md, references/expression-qc.md, references/structural-qc.md

---

顺序筛选流程

import pandas as pd

designs = pd.read_csv('designs.csv')

# 阶段 1：结构置信度
designs = designs[designs['pLDDT'] > 0.85]

# 阶段 2：自一致性
designs = designs[designs['scRMSD'] < 2.0]

# 阶段 3：结合质量
designs = designs[(designs['ipTM'] > 0.5) & (designs['PAE_interaction'] < 10)]

# 阶段 4：序列合理性
designs = designs[designs['esm2_pll_normalized'] > 0.0]

# 阶段 5：表达检查（设计级别）
designs = designs[designs['cysteine_count'] % 2 == 0]  # 偶数半胱氨酸
designs = designs[designs['instability_index'] < 40]

---

综合评分（排序必需）

单独使用单个指标太弱。使用综合评分：

def composite_score(row):
    return (
        0.30 * row['pLDDT'] +
        0.20 * row['ipTM'] +
        0.20 * (1 - row['PAE_interaction'] / 20) +
        0.15 * row['shape_complementarity'] +
        0.15 * row['esm2_pll_normalized']
    )

designs['score'] = designs.apply(composite_score, axis=1)
top_designs = designs.nlargest(100, 'score')

有关高级综合评分，请参见 references/composite-scoring.md。

---

工具特定筛选

BindCraft 筛选级别

级别	使用场景	严格程度
默认	标准设计	最严格
宽松	需要更多设计	失败率更高
多肽	设计 < 30 AA	成功率约低5-10倍

BoltzGen 筛选

boltzgen run ... \
  --budget 60 \
  --alpha 0.01 \
  --filter_biased true \
  --refolding_rmsd_threshold 2.0 \
  --additional_filters 'ALA_fraction<0.3'

• alpha=0.0：仅质量排序
• alpha=0.01：默认（轻微多样性）
• alpha=1.0：仅多样性

---

设计级别严重性评分

对于基于模式的检查，使用严重性评分：

严重级别	分数	措施
低	0-15	继续
中	16-35	审查标记问题
高	36-60	建议重新设计
严重	61+	必须重新设计

---

实验相关性

指标	AUC	用途
ipTM	~0.64	预筛选
PAE	~0.65	预筛选
ESM2 PLL	~0.72	最佳单指标
综合评分	~0.75+	始终使用

关键见解：指标作为过滤器（排除失败）有效，而非作为预测器（排序成功）。

---

设计活动健康评估

快速评估您的设计活动：

通过率	状态	解释
> 15%	优秀	高于平均水平，继续
10-15%	良好	正常，继续
5-10%	边缘	低于平均水平，审查问题
< 5%	差	存在显著问题，诊断

---

失败恢复树

通过 pLDDT 过滤的设计太少 (< 5% 且 pLDDT > 0.85)

整个活动 pLDDT 低
├── 检查 scRMSD 分布
│   ├── scRMSD 高 (>2.5Å)：骨架问题
│   │   └── 修复：使用更低的 noise_scale (0.5-0.8) 重新生成骨架
│   └── scRMSD 低但 pLDDT 低：无序区域
│       └── 修复：检查设计长度，简化拓扑结构
├── 尝试每个骨架更多序列
│   └── modal run modal_proteinmpnn.py --num-seq-per-target 32 --sampling-temp 0.1
├── 使用 SolubleMPNN 替代 ProteinMPNN
│   └── 更适合表达优化的序列
└── 考虑不同的设计工具
    └── BindCraft（集成设计）可能效果更好

通过 ipTM 过滤的设计太少 (< 5% 且 ipTM > 0.5)

整个活动 ipTM 低
├── 审查热点选择
│   ├── 热点是否表面暴露？ (SASA > 20Ų)
│   ├── 热点是否保守？ (检查 MSA)
│   └── 尝试 3-6 种不同的热点组合
├── 增加结合剂长度（更多接触面积）
│   └── 尝试 80-100 AA 而不是 60-80 AA
├── 检查界面几何
│   ├── 靶标平坦？ → 尝试螺旋结合剂
│   └── 靶标凹陷？ → 尝试更小的结合剂
└── 尝试全原子设计工具
    └── BoltzGen（全原子，更好的堆积）

scRMSD 高 (> 50% 且 scRMSD > 2.0Å)

序列未指定预期结构
├── ProteinMPNN 问题
│   ├── 降低温度：--sampling-temp 0.1
│   ├── 增加序列数：--num-seq-per-target 32
│   └── 检查 fixed_positions 是否过度约束
├── 骨架几何问题
│   ├── 骨架可能不寻常/有张力
│   ├── 使用更低的 noise_scale (0.5-0.8) 重新生成
│   └── 降低 diffuser.T 到 30-40
└── 尝试不同的序列设计
    └── ColabDesign（基于 AF2 梯度）可能效果更好

全部通过但无实验命中

硅学指标不预测亲和力
├── 生成更多设计（当前数量的10倍）
│   └── 计算指标假阳性率高
├── 增加多样性
│   ├── 更高的 ProteinMPNN 温度 (0.2-0.3)
│   ├── 不同的骨架拓扑
│   └── 不同的热点组合
├── 尝试不同的设计方法
│   ├── BindCraft（不同算法）
│   ├── ColabDesign（AF2 幻觉）
│   └── BoltzGen（全原子扩散）
└── 检查靶标是否可成药
    └── 某些靶标本质上就困难

通过的设计太多 (> 50%)

通过率高得可疑
├── 检查阈值是否过于宽松
│   └── 使用严格阈值：pLDDT > 0.90, ipTM > 0.60
├── 验证预测质量
│   ├── 预测确实在运行吗？检查输出文件
│   └── 预测的是复合物，而不仅仅是单体吗？
├── 检查数据问题
│   ├── 同一序列被多次预测？
│   └── 错误的 FASTA 格式（缺少链分隔符）？
└── 应用多样性过滤器
    └── 按 70% 同一性聚类，每簇取最佳

---

诊断命令

快速活动评估

import pandas as pd

df = pd.read_csv('designs.csv')

# 每个阶段的通过率
print(f"总设计数：{len(df)}")
print(f"pLDDT > 0.85：{(df['pLDDT'] > 0.85).mean():.1%}")
print(f"ipTM > 0.50：{(df['ipTM'] > 0.50).mean():.1%}")
print(f"scRMSD < 2.0：{(df['scRMSD'] < 2.0).mean():.1%}")
print(f"所有过滤器：{((df['pLDDT'] > 0.85) & (df['ipTM'] > 0.5) & (df['scRMSD'] < 2.0)).mean():.1%}")

# 识别首要问题
if (df['pLDDT'] > 0.85).mean() < 0.1:
    print("问题：pLDDT 低 - 检查骨架或序列质量")
elif (df['ipTM'] > 0.50).mean() < 0.1:
    print("问题：ipTM 低 - 检查热点或界面几何")
elif (df['scRMSD'] < 2.0).mean() < 0.5:
    print("问题：scRMSD 高 - 序列未指定骨架")

---